在 VI 中查找除 ATCG 之外的任何行

我有一個大約 500 萬行長的基因組數據文件，其中應該只有字元 A、T、C 和 G。問題是，我知道文件應該有多大，但它比那個大一點。這意味著，分析中出現了問題，或者有些行包含基因組數據以外的內容。

有沒有辦法找到除 A、T、C 或 G 以外的任何行？由於文件的性質，不應出現任何其他字母、空格、數字、符號。我已經逐個符號地搜尋了符號，所以我希望有一種更簡單的方法。

首先，您絕對不想在編輯器中打開文件（這樣編輯太大了）。

相反，如果您只想確定文件是否包含除A、和之外的任何內容T，則可以使用C``G

grep '[^ATCG]' filename

這將返回包含除這四個字元之外的任何內容的所有行。

如果你想從文件中刪除這些字元，你可以這樣做

tr -c -d 'ATCG\n' <filename >newfilename

（如果這是“更正”文件的正確方法，我不知道）

這將刪除文件中不屬於這四個字元之一的所有字元，並且還會保留換行符 ( \n)。編輯後的文件將被寫入newfilename.

如果是系統錯誤向文件中添加了某些內容，那麼這可能會被sed或糾正awk，但我們還不知道您的數據是什麼樣的。

---

如果您在vi或中打開文件vim，則命令

/[^ATCG]

將在編輯緩衝區中找到下一個不是A、T或C的字元G。

並將:%s/[^ATCG]//g全部刪除。

引用自：https://unix.stackexchange.com/questions/466068